O Rmarkdown tem 3 partes

Termos

• Funções
• Pacotes
• Objetos
• Variáveis

Leitura para aprofundamento

• EpiHandbook, Cap.30

• Curso-R, Livro, cap. 13.8; Curso Visualização

• DataCamp, Introdução a visualização com ggplot

• R4DS O livro começa com gráficos!

• GGPLOT

O poder da visualização

ggplot2

Mas onde está o carregamento desse pacote no nosso software?

• Ele faz parte do tidyverse!

O que vamos (começar) aprender hoje

• Uma forma mais rápida de visualizar (poucas linhas de código)

  • Sem (muitas) firulas visuais

• Não vamos focar, no momento, em deixar os gráficos pefeitos.

• Adivinhem: o ggplot faz as duas coisas!

  • Data-to-Viz
  • R Gallery
  • Bruno Mioto

A lógica do ggplot2

• Utiliza a Gramática dos gráficos (daí o gg de ggplot): você precisa de atributos estéticos (cor, tamanho…) e atributos geométricos (pontos, linhas, colunas…).

• São utilizadas camadas: Sobreposição de elementos visuais.

A lógica do ggplot

iris_media_area %>% 
  ggplot()

iris_media_area %>% 
  ggplot() +
  aes(x = Species, y = area_media)

iris_media_area %>% 
  ggplot() +
  aes(x = Species, y = area_media)+
  geom_col()

iris_media_area %>% 
  ggplot(aes(x=Species, y=area_media)) +
  geom_col(fill="#9c9ff7",
           color="#684dcf")+
  geom_errorbar(aes(ymin = area_media-area_dp, 
                ymax = area_media+area_dp),
                width = 0.3,
                color = "#684dcf")+
  geom_text(aes(y = area_media+area_dp,
                label = round(area_media,1) ),
                hjust = -0.5)+
  theme_classic(base_size = 15)+
  labs(title = "Área média da Pétala ",
       subtitle = "Comparação entre espécies",
       caption = "Fonte: Dados iris",
       x = "",
      y = expression("Área média da pétala (cm"^2*")"))+
  coord_flip()+
  theme(axis.text.y = element_text(face = "italic"))

Lógica do ggplot

As camadas são adicionadas com um “+”

• Diferença + para %>%
• Há as partes estáticas e partes que dinâmicas (que respondem aos dados)
  • estão dentro do aes().
• Cuidado com as aspas (principalmente nas opções de parâmetros)!
• Conheça as variáveis (numéricas ou categóricas)
• É preciso ter no mínimo a função ggplot() e uma função de geometria geom_?()
• Há várias formas de escrever a mesma coisa!

Várias formas de escrever a mesma coisa

ggplot(data = iris) + 
  geom_point(mapping = aes(x = Petal.Length, y = Petal.Width))

ggplot(iris) + 
  geom_point(aes(x = Petal.Length, y = Petal.Width))

ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) + 
  geom_point( )

ggplot(iris) + 
  aes(x = Petal.Length, y = Petal.Width) +
  geom_point()

Customizações

ggplot(iris) + 
  aes(x = Petal.Length, y = Petal.Width,
      shape=Species, color=Species) +
  geom_point()+
  scale_color_manual(values=c("aquamarine", 
                              "deeppink1",
                              "#684dcf"))+
  theme_classic()

• ggthemes ggplot extensions

• Nomes cores

• Fazer paletas

• Adobe

• Color Brewer

Pacotes para tabelas

• DT (iterativos em html)

• kable, kableExtra (mais “LateX friendly”)

• formattable, gt, stargazer…

• gtsummary

flextable

• Ótimo para gerar os arquivos em word!

tab1 <- iris_media_area %>% 
flextable()

Lógica…

Gosto de pensar que também funciona como “camadas”.

• alinhamento
• fonte
• largura
• cores…

width : Largura

flextable( iris_media_area) %>% 
  width(width=3)

flextable(iris_media_area) %>% 
  width(width=1) %>% 
  width (j=1, width=2) 

bold: Negrito

• podemos usar a mesma lógica para as colunas

• Mas com o negrito, e outras formatações internas podemos também trabalhar nas linhas.

• j eram as colunas …

• i são as linhas

flextable(iris_media_area) %>% 
  width(width=1) %>% 
  width(j=1, width=3) %>% 
  bold(i=1)

flextable(iris_media_area) %>% 
  width(width=1) %>% 
  width(j=1, width=3) %>% 
  bold(part= "header")

Mais firulas

flextable(iris_media_area) %>% 
  width(width=1) %>% 
  width (j=1, width=0.5) %>% 
  bold (part = "header") %>% 
  align(align="center", part="all") %>% 
  align(align="left", j=1,  part="all") %>% 
  vline(j=1, border=fp_border(color = "purple",
                              style = "dotted", 
                              width = 1) ) %>% 
  set_header_labels( 
  Species="Espécie") %>% 
  compose(
    i = 1, j = c(2,3), part = "header",
  value = c(as_paragraph(
    "Área Média / cm",
    as_sup("2")),
    as_paragraph(
    "Desvio Padrão / cm",
    as_sup("2"))
  )
) %>% 
  font(part = "all", fontname = "Verdana") %>% 
  bg(i =  ~ area_dp/area_media >= 0.45, bg="yellow") %>% 
  colformat_double(decimal.mark = ",",
                   big.mark = ".",
                   digits = 2) %>% 
  colformat_int(big.mark = ".")

gtsummary

iris_filt <- iris %>% 
  mutate(Species=as.character(Species)) %>% 
  filter(Species!="setosa") 
  
 iris_filt %>%  
  select(-Species) %>% 
  tbl_summary()

iris_filt %>% 
  tbl_summary(by= Species)

gtsummary

iris_filt %>% 
  tbl_summary(by= Species, 
              statistic = list(all_continuous() ~ "{mean} ({sd})") )

iris_filt %>% 
  tbl_summary(by= Species, 
              statistic = list(
                all_continuous() ~ "{mean} ({sd})") ) %>% 
  add_p() %>% 
  bold_labels() %>% 
  italicize_levels() %>%  
  bold_p(t = 0.8)

iris_filt %>% 
  tbl_summary(by= Species, 
              statistic = list(
                all_continuous() ~ "{mean} ({sd})")) %>% 
  add_p(test= everything() ~"t.test") %>% 
  bold_labels() %>% 
  italicize_levels() %>%  
  bold_p(t = 0.8)